Trends and disparities in HPV vaccination among U.S. adolescents, 2018–2023
Notice bibliographique
Résumé
Abstract Background From 2018 to 2023, Human papillomavirus (HPV) vaccination coverage in the United States was shaped by both proactive immunization efforts and the disruptions caused by the COVID-19 pandemic, leading to the first national decline in nearly a decade. This study aimed to assess vaccination trends over time and across regions to identify coverage gaps and inform health policy best practices for achieving optimal HPV vaccination rates. Methods We used provider-verified data from the National Immunization Survey–Teen for adolescents aged 13–17, focusing on vaccine initiation (≥1 dose) and up-to-date (UTD) status, as defined by Centers for Disease Control and Prevention guidelines. We used Cochran-Armitage trend tests to assess changes across the pre-pandemic, pandemic, and post-pandemic periods. We stratified our analyses by sex, race/ethnicity, and state. Results Initiation increased from 68.1% in 2018 to 76.9% in 2021, then declined to 76.8% in 2023. UTD status rose from 51.1 to 62.6% by 2022 but fell to 61.4% in 2023. Females and Hispanic/Black adolescents consistently had higher coverage than males and White adolescents. Eighteen states, mainly in the Northeast and Upper Midwest, achieved ≥80% initiation by 2023, while Southern states lagged. Conclusion Best practices for improving HPV vaccination include: (1) strengthening vaccination infrastructure in low-performing Southern states, (2) targeting male and White adolescents, (3) maintaining robust delivery systems during crises, and (4) replicating high-performing regional models. These strategies can improve vaccine equity and contribute to achieving national targets over time and space.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».